实体
UniGenBench++
UniGenBench++
PulseAugur coverage of UniGenBench++ — every cluster mentioning UniGenBench++ across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
AutoRubric-T2I 用极少量数据学习可解释的 VLM 评分标准
研究人员开发了 AutoRubric-T2I，这是一个用于文本到图像生成的创新框架，可以自动创建和优化显式的评分标准。这些评分标准指导视觉语言模型 (VLM) 评估图像质量和提示对齐度，显著减少了对大量人类偏好数据的需求。该系统将推理过程合成为候选规则，并使用逻辑回归精炼器来选择最具区分度的规则，从而以最少的标注实现了高质量、可解释的奖励信号。
-
新的SLAS方法增强了文本到图像模型的训练
研究人员开发了一种名为超线性优势塑造（SLAS）的新方法，以改进使用强化学习训练的文本到图像模型。该技术通过从信息几何学的角度重塑策略空间来解决奖励劫持问题，放大信息性更新，同时抑制噪声更新。SLAS在性能上优于DanceGRPO等现有方法，实现了更快的训练速度、更好的域外生成能力以及对模型扩展的更高鲁棒性。
-
新的通过再生进行精炼（RvR）方法增强了图像生成模型
研究人员推出了一种名为“通过再生进行精炼”（Refinement via Regeneration, RvR）的新框架，用于改进文本到图像生成模型。与依赖编辑指令的先前方法不同，RvR将精炼视为一个再生过程。这种方法通过根据目标提示和初始图像的语义令牌再生图像，从而允许更大的修改空间，实现更完整的语义对齐。